人脸识别年龄在线测试(人脸识别年龄在线测试APP)

62.人工智能——基于人脸的年龄识别：自定义数据集

在上篇文中：61.人工智能——基于人脸的年龄识别：划分和整理年龄段数据，整好了数据，本文根据整理好的年龄段数据，自定义一个数据集，打算后面使用ViT模型来训练一下数据，做一个年龄段人脸识别。

如何生成分类标签和训练集、验证集和测试集文本文件，可以参看：58.人工智能——从零开始实现图像场景分类的全过程

#生成训练数据、验证集和测试集def get_data(txtfile): data=[] with open(txtfile,"r") as f: for line in f: line=line.strip() line=line.split(" ") dataend([line[0],line[1]]) return datadef get_data_label(txtlabel): classname=[] with open(txtlabel,"r") as f: for line in f: line=line.strip() classnameend(line) return classnametraindata=get_data(os.path.join(basedir,basedstdir,"train_list.txt"))valdata=get_data(os.path.join(basedir,basedstdir,"val_list.txt"))testdata=get_data(os.path.join(basedir,basedstdir,"test_list.txt"))print(len(traindata),len(valdata),len(testdata))classname=get_data_label(os.path.join(basedir,basedstdir,"labels.txt"))print(classname)

运行结果：

5073 1441 718['1-3', '11-14', '15-17', '18-28', '29-40', '4-6', '41-48', '49-55', '56-66', '67-100', '7-10']二、从数据集中随机查看数据并显示

idxs=np.random.randint(0,len(traindata),size=4*len(classname))plt.figure(figsize=(10,10))for y in range(len(classname)): for i,idx in enumerate(idxs): plt.subplot(4,len(classname),i+1) img=mpimg.imread(os.path.join(basedir,basedstdir,traindata[idx][0])) plt.imshow(img) plt.title(classname[int(traindata[idx][1])]) plt.axis("off")

4*11

#自定义数据集import paddleimport paddle.vision.transforms as Tclass AgeDataset(paddle.io.Dataset): def __init__(self,data,mode="train"): super(AgeDataset,self).__init__() self.data = data self.mode=mode def transforms(self,mode): if mode=="train": return T.Compose([ T.Resize(224), T.RandomHorizontalFlip(), T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225]) ]) else: return T.Compose([ T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225]) ]) def __getitem__(self, idx): img = mpimg.imread(os.path.join(basedir,basedstdir,self.data[idx][0])) img=self.transforms(mode=self.mode)(img) label = np.array(self.data[idx][1]).astype("int64") label=np.reshape(label,(1)) #注意label的维度 return img, label def __len__(self): return len(self.data) train_dataset = AgeDataset(traindata,"train")val_dataset = AgeDataset(valdata,"val")test_dataset=AgeDataset(testdata,"test")train_loader=paddle.io.DataLoader(train_dataset,batch_size=16,shuffle=True)val_loader=paddle.io.DataLoader(val_dataset,batch_size=16,shuffle=False)for i,data in enumerate(train_loader()): if i>=1: break print(type(data[0]),data[0].shape,type(data[1]),data[1].shape)

#运行结果：<class 'paddle.Tensor'> [16, 3, 224, 224] <class 'paddle.Tensor'> [16, 1]

说明：定义好数据集，下一篇文就可以定义一个网络模型来进行训练。

2023年养老金认证开始了！如何用手机快速认证？老人也能学会

好消息，2023年养老金认证开始了！教老年人用手机快速资格认证，再也不用出门跑路去认证了，如果没有及时认证，就会影响养老金的正常发放，老年人赶快看过来，操作简单，一学就会，赶快和我一起去看看！

有两种方法：

第一种方法我们打开支付宝，注意看下方有一个“更多”！

我们把更多点开，在这里有一个“市民中心”！

我们再把市民中心点开，注意看下方有一个“养老资格认证”，在线认证真的是很方便的，但是有的人的页面可能是在这个“社保”里面，大家把社保点开，也能看到养老资格认证。

我的是在这个页面，我们把它点开看一下，这里立刻就出现了我的姓名和身份证号，因为我是以前认证过的，如果说你没有认证过的话，在这里需要输入您的姓名和身份证号，注意看下方也有提示：进入养老待遇认证时，请确定你是否达到养老认证的年龄，女性已达55岁，男性已满60岁以上，当然你也可以帮家人进行认证，请进入我的“亲友绑定”就OK了。

我们点开上方的“待遇资格认证”，下方也有提示办理该事项需要人脸识别验证，我们点下方的“确定”，再点下方的“同意协议并认证”，立刻就进入了人脸验证的页面，大家注意把脸放在这个圆框之内，然后根据页面提示来眨眨眼或者摇摇头就OK啦。人脸验证成功后，我们就认证成功了。

第二种方法就是打开本地认证的APP，如果说你不知道的话，可以在手机的自带浏览器里面搜索一下本地的养老认证APP，然后把它下载下来，也可以拨打12333来查询一下，然后下载下来，比如说我是西安的，我就下载了陕西养老保险！

我打开它，如果你是首次登录的话，就需要用您的手机号来免费注册一下，我已经注册过了，因此在这里出现了登录的页面，我只需要在这里输入我的手机号，再输入密码，然后点下方的“登录”就OK了。

接着需要实名注册一下，在这里有两个选项，一个是“身份证实名”，一个是“社保卡实名”，我选择用社保卡来实名，在上方输入社保卡号码，也就是你的身份证号，然后再输入卡的密码，然后再点下方的“确定”！

然后我点开下方的“我要认证”，然后通过人脸验证就OK啦。在此要提醒大家的是，养老认证是一年一次，大家要及时完成，否则就会影响我们养老金的正常发放。如果对你有用，记得点赞关注收藏转发一下，你的鼓励是我最大的动力！